The evaluation of shoulder abduction and flexion strength is important in the rehabilitation after rotator cuff tear. The purpose of this work is to assess the intra and inter-rater reliability of measurement data from an isokinetic dynamometer used to evaluate shoulder abduction and flexion strength, with the aim to identify sources of measurement errors and suggest improvements. The measurement data was collected by a research group at Karolinska Institute and contained load and torque data from thirteen healthy subjects in the ages of 25 to 87 years. The measurements were carried out on two occasions, one week apart. Systematic differences between occasions are analyzed using the Shapiro Wilk test, the paired t-test, and Wilcoxon signed rank test. The agreement of the measurements is analyzed quantitatively using the coefficient of variation and the Bland Altman plot, and quantitively, using the intraclass correlation coefficient. A significant systematic difference in shoulder abduction and flexion load measurements was found, and the recommendation to prevent this is that components should be calibrated in a standardized way. The measurements showed varying reliability within and between measurement occasions and that after familiarization with the isokinetic dynamometer, repeatability improved. The findings indicate a need of a standardized protocol for patient education and placement. Measurements from the position sensor contributed to more random torque values. To improve the repeatability in measurements from the position sensor, axis of rotation should be kept aligned. An increasing variability in measurements with increasing load and torque was found. The recommendation is to use a preload for patients using more force in the movement, to make sure a preset speed is not exceeded, which contributes to more reliable measurements. / Utvärderingen av axelabduktion och flexionsstyrka är viktig i rehabiliteringen efter skada i axelleden. Syftet med det här arbetet är att bedöma intra- och interbedömartillförlitligheten hos mätdata från en isokinetisk dynamometer som används för att utvärdera axelabduktion och flexionsstyrka, med syftet att identifiera källor till mätfel och föreslå förbättringar. Mätdatat samlades in av en forskargrupp vid Karolinska Institutet och innehöll belastnings- och vridmomentdata från tretton friska försökspersoner i åldrarna 25 till 87 år. Mätningarna utfördes vid två tillfällen med en veckas mellanrum. Systematiska skillnader mellan tillfällena analyseras med Shapiro Wilk-testet, det parade t-testet och Wilcoxon signed rank test. Mätningarnas överensstämmelse analyseras kvantitativt med hjälp av variationskoefficienten och Bland Altman-diagrammet, samt kvalitativt med hjälp av intraklasskorrelationskoefficienten. En signifikant systematisk skillnad i axelabduktion och flexionsbelastningsmätningar hittades, och rekommendationen för att förhindra detta är att komponenter bör kalibreras på ett standardiserat sätt. Mätningarna visade på en varierande tillförlitlighet inom och mellan mättillfällen och att efter bekantskap med den isokinetiska dynamometern, förbättrades repeterbarheten. Slutsatserna indikerar ett behov av ett standardiserat protokoll för patientutbildning och placering. Mätningar från positionssensorn bidrog till mer slumpmässiga vridmomentvärden. För att förbättra repeterbarheten i mätningar från positionssensorn bör rotationsaxeln hållas i linje. En ökande variation mellan mättillfällen med ökande belastning och vridmoment hittades. Rekommendationen är att använda en förspänning för patienter som använder mer kraft i rörelsen, för att säkerställa att en förinställd hastighet inte överskrids, vilket bidrar till mer tillförlitliga mätningar.

Flywheel training is an increasingly popular training method that aids in the recovery process and promotes strength development while reducing the risk of re-injury. Additionally, automatic exercise classification offers athletes the convenience of effortlessly monitoring and tracking their training progress, enabling them to maintain consistency and achieve their fitness goals effectively. This thesis aims to investigate the feasibility and accuracy of developing a machine-learning model for classifying exercises performed on Exxentric kBox machines. The objective is to assess the model’s accuracy and determine whether the features provided by the Exxentric app are sufficient for constructing a robust classifier. To lay a strong foundation for the investigation, the research begins with a comprehensive literature review of exercise recognition studies. An exploratory data analysis is then conducted to gain valuable insights into the characteristics of the exercise data. The data preparation phase involves various techniques such as cleaning, feature engineering, scaling, sampling, and encoding to optimize the data for modeling. Moreover, signal processing techniques are employed to extract relevant features from the exercise data. A testing protocol is established, consisting of two sets of ten exercises. Each exercise is performed with a randomized number of repetitions, ranging from 5 to 12 repetitions. Data collection is carried out with the participation of ten individuals using the Exxentric App on their smartphones. Different types of classifiers are trained using data from the Exxentric database and tested on the collected data on-site, employing the generated features. Additionally, a CNN classifier is explored, utilizing only angular velocity as input. Comparative analysis is performed on the evaluation metrics of the models. In conclusion, while achieving accurate classification for all ten exercises was not fully realized, the CNN model relying on angular velocity as input exhibited promising results. Notably, squats were predicted correctly 95% of the time, which is the most prominent observation. The model also demonstrated significant accuracy in correctly identifying bent-over rows (72%), deadlifts (72.2%), standing calf raises (70.6%), and biceps curls (67%). Further research is warranted to improve the effectiveness and accuracy of exercise classification models. This includes exploring alternative input methods and refining feature engineering techniques to advance the field. / Svänghjulsträning är en alltmer populär träningsmetod som underlättar återhämtningsprocessen och främjar styrkeutveckling samtidigt som den minskar risken för nya skador. Dessutom erbjuder automatisk träningsklassificering idrottare bekvämligheten att enkelt övervaka och spåra sina träningsframsteg, vilket gör det möjligt för dem att upprätthålla konsekvens och effektivt uppnå sina träningsmål. Denna avhandling syftar till att undersöka genomförbarheten och noggrannheten hos att utveckla en maskininlärningsmodell för att klassificera övningar som utförs på Exxentric kBox-maskiner. Målet är att bedöma modellens noggrannhet och avgöra om funktionerna som tillhandahålls av Exxentric-appen är tillräckliga för att konstruera en robust klassificerare. För att lägga en stark grund för undersökningen inleds forskningen med en omfattande litteraturgenomgång av studier om igenkänning av övningar. Därefter genomförs en explorativ dataanalys för att få värdefulla insikter om egenskaperna hos övningsdatan. Dataförberedelsen innefattar olika tekniker såsom rengöring, funktionsteknik, skalning, provtagning och kodning för att optimera datan för modellering. Dessutom används signalbehandlingstekniker för att extrahera relevanta egenskaper från övningsdatan. En testprotokoll etableras, bestående av två uppsättningar med tio övningar. Varje övning utförs med ett slumpmässigt antal repetitioner, från 5 till 12 repetitioner. Insamlingen av data utförs med deltagande av tio individer som använder Exxentric-appen på sina smartphones. Olika typer av klassificerare tränas med hjälp av data från Exxentricdatabasen och testas på den insamlade datan på plats genom att använda de genererade egenskaperna. Dessutom undersöks en CNN-klassificerare som enbart använder vinkelhastighet som indata. En jämförande analys utförs på utvärderingsmåtten för modellerna. Slutsatsen är att även om det inte var möjligt att uppnå en korrekt klassificering för alla tio övningar, uppvisade CNN-modellen, med enbart vinkelhastighet som indata, lovande resultat. Noterbart är att knäböjningar korrekt förutsades 95% av tiden, vilket är den mest framträdande observationen. Modellen visade även betydande noggrannhet vid korrekt identifiering av stående rodd (72%), marklyft (72,2%), stående vadpress (70,6%) och bicepscurls (67%). Ytterligare forskning motiveras för att förbättra effektiviteten och noggrannheten hos modeller för klassificering av övningar. Detta inkluderar att utforska alternativa metoder för indata och att förbättra teknikerna för funktionsteknik för att vidareutveckla området.

Repetitive tasks, awkward hand/wrist postures and forceful exertions are known risk factors for work-related musculoskeletal disorders (WMSDs) of the hand and wrist. WMSD is a major cause of long work absence, productivity loss, loss in wages and individual suffering. Currently available assessment methods of the hand/wrist motion have the limitations of being inaccurate, e.g. when using self-reports or observations, or expensive and resource-demanding for following analyses, e.g. when using the electrogoniometers. Therefore, there is a need for a risk assessment method that is easy-to-use and can be applied by both researchers and practitioners for measuring wrist angular velocity during an 8-hour working day. Wearable Inertial Measurement Units (IMU) in combination with mobile phone applications provide the possibility for such a method. In order to apply the IMU in the field for assessing the wrist velocity of different work tasks, the accuracy of the method need to be examined. Therefore, this laboratory experiment was conducted to compare a new IMU-based method with the traditional goniometer and standard optical motion capture system. The laboratory experiment was performed on twelve participants. Three standard hand movements, including hand/wrist motion of Flexion-extension (FE), Deviation, and Pronationsupination (PS) at 30, 60, 90 beat-per-minute (bpm), and three simulated work tasks were performed. The angular velocity of the three methods at 50th and 90th percentile were calculated and compared. The mean absolute error and correlation coefficient were analysed for comparing the methods. Increase in error was observed with increase in speed/bpm during the standard hand movements. For standard hand movements, comparison between IMUbyaxis and Goniometer had the smallest difference and highest correlation coefficient. For simulated work tasks, the difference between goniometer and optical system was the smallest. However, for simulated work tasks, the differences between the compared methods were in general much larger than the standard hand movements. The IMU-based method is seen to have potential when compared with the traditional measurement methods. Still, it needs further improvement to be used for risk assessment in the field. / Upprepade uppgifter, besvärliga hand- / handledsställningar och kraftfulla ansträngningar är kända riskfaktorer för arbetsrelaterade muskuloskeletala störningar (WMSD) i hand och handled. WMSD är en viktig orsak till lång frånvaro, produktivitetsförlust, löneförlust och individuellt lidande. För närvarande tillgängliga bedömningsmetoder för hand / handledsrörelser har begränsningarna att vara felaktiga, t.ex. när du använder självrapporter eller observationer, eller dyra och resurskrävande för följande analyser, t.ex. när du använder elektrogoniometrarna. Därför finns det ett behov av en riskbedömningsmetod som är enkel att använda och som kan användas av både forskare och utövare för att mäta handledens vinkelhastighet under en 8-timmars arbetsdag. Wearable Inertial Measuring Units (IMU) i kombination med mobiltelefonapplikationer ger möjlighet till en sådan metod. För att kunna använda IMU i fältet för att bedöma handledens hastighet för olika arbetsuppgifter måste metodens noggrannhet undersökas. Därför genomfördes detta laboratorieexperiment för att jämföra en ny IMU-baserad metod med den traditionella goniometern och det vanliga optiska rörelsefångningssystemet. Laboratorieexperimentet utfördes på tolv deltagare. Tre standardhandrörelser, inklusive hand / handledsrörelse av Flexion-extension (FE), Deviation och Pronation-supination (PS) vid 30, 60, 90 beat-per-minut (bpm) och tre simulerade arbetsuppgifter utfördes. Vinkelhastigheten för de tre metoderna vid 50: e och 90: e percentilen beräknades och jämfördes. Det genomsnittliga absoluta felet och korrelationskoefficienten analyserades för att jämföra metoderna. Ökning av fel observerades med ökning av hastighet/bpm under standardhandrörelserna. För standardhandrörelser hade jämförelsen mellan IMUbyaxis och Goniometer den minsta skillnaden och högsta korrelationskoefficienten. För simulerade arbetsuppgifter var skillnaden mellan goniometer och optiskt system den minsta. För simulerade arbetsuppgifter var dock skillnaderna mellan de jämförda metoderna i allmänhet mycket större än de vanliga handrörelserna. Den IMUbaserade metoden anses ha potential jämfört med traditionella mätmetoder. Ändå behöver det förbättras för att kunna användas för riskbedömning på fältet.

Having a device with the capability of measure motions from gait produced by a human being, could be of most importance in medicine and sports. Physicians or researchers could measure and analyse key features of a person's gait for the purpose of rehabilitation or science, regarding neurological disabilities. Also in sports, professionals and hobbyists could use such a device for improving their technique or prevent injuries when performing. In this master thesis, I present the research of what technology is capable of today, regarding gait analysis devices. The research that was done has then help the development of a suggested standalone hardware sensor node for a Body Area Network, that can support research in gait analysis. Furthermore, several algorithms like for instance UWB Real-Time Location and Dead Reckoning IMU/AHRS algorithms, have been implemented and tested for the purpose of measuring motions and be able to run on the sensor node device. The work in this thesis shows that a IMU sensor have great potentials for generating high rate motion data while performing on a small mobile device. The UWB technology on the other hand, indicates a disappointment in performance regarding the intended application but can still be useful for wireless communication between sensor nodes. The report also points out the importance of using a high performance micro controller for achieving high accuracy in measurements.

This thesis looks at two sides of the same coin: how to support the production and future development at a specialist medical technology department at Danderyd Hospital. The two sides are; a pilot study of a product management system (PDM) and an interview based study on the characteristics of the silent knowledge of the technicians. The department (National respiratory centre, NRC) is facing retirement of several key employees. The technical study shows that the success of an implementation is largely dependent on the users’ prior knowledge and use of a 3D Computer aided design system (CAD).The system itself is shown to fulfill the Lifecycle requirement of tracking the products (mostly tracheostomy tubes) but without a CAD centered workflow, some substantial education and preferably some new recruits, an implementation of the PDM system will fail. The author recommends development of the current “low-tech” system of MS Excel and Access rather than redistribute the dependency from technician towards a complex, commercial software and its vendor. The analysis of the technicians’ silent knowledge with the newly developed method, epithet for silent knowledge (ETK), shows that the longer employment time: the more differentiated technicians become in describing their work, practical knowledge are regarded higher and the social and collective problem solving factors of the work becomes more important. Typically, it is shown that a new employee should preferably enjoy problem solving, being pragmatic and social as well as having some prior education or work experience in a CAD and/or a PDM system.